यह शोधपत्र राइड-शेयरिंग प्लेटफ़ॉर्म में सेवा प्रदाताओं के कूपन रणनीति अनुकूलन की समस्या को संबोधित करता है। चूंकि यात्री कम किराया देने वाले सेवा प्रदाताओं को प्राथमिकता देते हैं, इसलिए सेवा प्रदाताओं के पास ऑर्डर सुरक्षित करने के लिए कूपन रणनीतियों का उपयोग करने के लिए एक मजबूत प्रोत्साहन है। तदनुसार, यह शोधपत्र FCA-RL का प्रस्ताव करता है, जो एक नया सुदृढीकरण सीखने-आधारित सब्सिडी रणनीति ढांचा है जो प्रतिस्पर्धियों के मूल्य परिवर्तनों के लिए तेज़ी से अनुकूल होता है और बजट बाधाओं के तहत ऑर्डर वॉल्यूम को अनुकूलित करता है। FCA-RL दो प्रमुख तकनीकों को एकीकृत करता है: प्रतिस्पर्धा अनुकूलन में तेजी लाने के लिए तेज़ प्रतिस्पर्धा अनुकूलन (FCA) और बजट बाधाओं का सम्मान करते हुए कूपन निर्णयों को अनुकूलित करने के लिए प्रबलित लैग्रेंजियन समायोजन (RLA)। इसके अलावा, हम RideGym पेश करते हैं, जो विभिन्न मूल्य निर्धारण रणनीतियों का मूल्यांकन और बेंचमार्किंग के लिए एक समर्पित सिमुलेशन वातावरण है। प्रायोगिक परिणाम बताते हैं कि FCA-RL विभिन्न बाजार स्थितियों में मौजूदा तरीकों से बेहतर प्रदर्शन करता है।
